Seguimiento de instrucciones: Respuesta incorrecta
Seguimiento de instrucciones
Respuesta incorrecta
Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Seguimiento de instrucciones, para detectar puntos débiles más rápido.
Motivos de fallo
111/111
Filtrar modelos
Ningún modelo coincide con la búsqueda y los filtros actuales.
| Rango | Modelo | Empresa | Cantidad de Respuesta incorrecta | Puntuación de categoría | Costo total | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|
| #244 | LongCat 2.0 none | Meituan | 1 | 0.7 | $0.104 | 1/2 | 2.82s |
| #246 | Qwen3.6 27B none | Qwen | 1 | 0.6 | $0.148 | 1/2 | 1.92s |
| #256 | Trinity Large Thinking low | Arcee AI | 1 | 0.4 | $0.918 | 0/2 | 4.07s |
| #259 | Space Bunny Alpha xhigh | Stealth | 1 | 0.6 | $0.000 | 0/2 | 2.22s |
| #262 | DeepSeek V4 Flash 0731 none | DeepSeek | 1 | 0.5 | $0.053 | 0/2 | 1.42s |
| #267 | Trinity Large Thinking medium | Arcee AI | 1 | 0.4 | $0.862 | 0/2 | 3.99s |
| #269 | Inkling none | Thinkingmachines | 1 | 0.6 | $0.292 | 1/2 | 1.72s |
| #270 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 0.6 | $0.216 | 1/2 | 1.17s |
| #272 | Granite 4.2 8B medium | IBM Granite | 1 | 0.4 | $0.029 | 0/2 | 36.9s |
| #275 | Claude Sonnet 4.6 none | Anthropic | 1 | 0.7 | $0.661 | 1/2 | 1.96s |
| #283 | Qwen3.6 Flash none | Qwen | 1 | 0.6 | $0.139 | 1/2 | 1.10s |
| #286 | Qwen3.7 Flash none | Qwen | 1 | 0.6 | $0.028 | 1/2 | 892ms |
| #287 | Qwen3.8 Flash Next none | Qwen | 1 | 0.7 | ~$0.011 | 1/2 | 612ms |
| #289 | DeepSeek V4.1 Flash none | DeepSeek | 1 | 0.7 | $0.391 | 1/2 | 6.81s |
| #292 | Trinity Large Thinking high | Arcee AI | 1 | 0.6 | $0.794 | 1/2 | 4.12s |